Samenvatting

Om te laten zien dat GIS mogelijk is in R, gebruiken we wat open geodata van Den Haag, en maken een map.

Inleiding

Den Haag heeft een aantal kaarten openbaar gemaakt. Wij gebruiken de kaart van blokverwarming, energielabels (p5), en combineren deze met open satellietdata van NASA, en een open street map.

Data

Eerst downloaden en upzippen we de shapefiles van geoportaal-ddh.

# file download & unzip
download.file("http://geoportaal-ddh.opendata.arcgis.com/datasets/9cca53a6a4094a0b80e964b181a484ad_3.zip","blokverwarming.zip", mode="wb")
unzip("blokverwarming.zip")
download.file("http://geoportaal-ddh.opendata.arcgis.com/datasets/ed833f69fb82463ea63d37be00c356c3_0.zip", "energielabels.zip", mode="wb")
unzip("energielabels.zip")

# inputfileblokverwarming
f_blokverwarming <- "blokverwarming_DH.shp"
# inputfile enegielabels
f_energielabels <- "Energielabels_Postcode_5_niveau_Den_Haag_2016.shp"

Kaart Energielabels

We lezen de file in met readOGR van package rgdal. En daarna plotten we de polygons met wat kleurtjes, met behulp van base plot.

require(rgdal)
# de layers uit de shapefile
fl_energielabels <- ogrListLayers(f_energielabels) ## het is er slechts 1
# lees de layer in met readOGR
energielabels <- readOGR(f_energielabels,layer=fl_energielabels[1])
## OGR data source with driver: ESRI Shapefile 
## Source: "Energielabels_Postcode_5_niveau_Den_Haag_2016.shp", layer: "Energielabels_Postcode_5_niveau_Den_Haag_2016"
## with 844 features
## It has 10 fields
## Integer64 fields read as strings:  OBJECTID FREQUENCY labelCodeR MaxSimpTol
# plot de kaart
plot(energielabels,col=colorRampPalette(c("brown", "grey"))(5))

We willen natuurlijk graag laten zien wat de gemiddelde energielabels zijn per p5 gebied. Daarvoor gebruiken we de library tmap. Daarmee kun je vergelijkbaar met ggplot een kaart samenstellen.

require(tmap)
tm_shape(energielabels) +
  tm_polygons("MEAN_label", style="jenks", alpha=.5, palette=colorRampPalette(c("green", "red"))(5)) +
  tm_compass(type="arrow", position=c("right", "top"), fontsize = 2 ) + 
  tm_scale_bar()

## Kaart Blokverwarming Nu proberen we de file met blokverwarming in te lezen met readOGR.

# blokverwarming <- readOGR(f_blokverwarming)   # geeft een error

Die geeft een error, omdat blokverwarming een multiploint shapefile is. Dat formaat kan niet worden ingelezen met package gdal. We gebruiken st_read uit package sf. (NB readOGR heeft de voorkeur, mits die bruikbaar is natuurlijk.) Vervolgens plotten we de punten met behulp van base plot.

require(sf)
blokverwarming <- st_read(f_blokverwarming)
## Reading layer `blokverwarming_DH' from data source `C:\Users\Elisabeth\Desktop\Fourpoints\Coursera\GIS_in_R_voorbeeld_Den_Haag\blokverwarming_DH.shp' using driver `ESRI Shapefile'
## Simple feature collection with 1 feature and 2 fields
## geometry type:  MULTIPOINT
## dimension:      XY
## bbox:           xmin: 4.222274 ymin: 52.01797 xmax: 4.398967 ymax: 52.11275
## epsg (SRID):    4326
## proj4string:    +proj=longlat +datum=WGS84 +no_defs
plot(blokverwarming$geometry,pch='.')

## Kaart Energielabels met Blokverwarming Met behulp van base plot kunnen we de punten van blokverwarming over de p5 van energielabels heen.

# wat gevogel met x en y coordinaten uit het sf object halen
x_blok <- rep(1.1,length(blokverwarming$geometry[[1]])/2)
y_blok <- rep(1.1,length(blokverwarming$geometry[[1]])/2)
for (i in 1:length(blokverwarming$geometry[[1]])/2)
{
  x_blok[i] <-  blokverwarming$geometry[[1]][i,][1]
  y_blok[i] <-  blokverwarming$geometry[[1]][i,][2]
  i=i+1
}
blokverwarming_xy <- as.data.frame(cbind(x_blok,y_blok))
# plot
plot(energielabels,col=colorRampPalette(c("brown", "grey"))(5))
points(blokverwarming_xy,pch='.',col="blue")

We willen natuurlijk liever zo’n mooie tm_map plot maken.

blokverwarming_sp <- SpatialPoints(coords=blokverwarming_xy, proj4string = CRS(proj4string(energielabels) ) )
tm_shape(energielabels) +
  tm_polygons("MEAN_label", style="jenks", alpha=.5, palette=colorRampPalette(c("green", "red"))(5)) +
  tm_shape(blokverwarming_sp) +
  tm_dots(col="blue",legend.show = FALSE, legend.is.portrait = FALSE ) +
  tm_compass(type="arrow", position=c("right", "top"), fontsize = 2 ) + 
  tm_scale_bar()

## Open Street Map als referentie Alleen de vormen van p5 gebieden zijn eigenlijk niet genoeg voor een kaart. Om een basisreferentie van Den Haag/Nederland te hebben nemen we een OSM als achtergrond. We kunnen bijvoorbeeld ggmap gebruiken.

require(ggmap)
# Den Haag longitude and latitude
DH_loc = c(lon = 4.3, lat = 52.05 )
DH_basemap <- get_map(location = DH_loc, zoom = 12 )
ggmap(DH_basemap)

Maar met de instelling ‘tmap_mode(“view”)’ kun je een in-/uitzomobare kaart maken waar meteen al een basemap ondergeplot wordt. (Alleen kan dan het kompas niet laten zien worden.) Als je helemaal inzoomt kun je precies zien welk kadasterveld blokverwarming heeft.

tmap_mode("view")
tm_shape(energielabels) +
  tm_polygons("MEAN_label", style="jenks", alpha=.8, palette=colorRampPalette(c("green", "red"))(5)) +
  tm_shape(blokverwarming_sp) +
  tm_dots(col="blue",size=0.01) +
  tm_scale_bar()

Aantal panden met blokverwarming per p5

Een veel uitgevoerde bewerking bij het maken van kaarten is spatial join. Hierbij worden twee verschillende kaarten of layers samengevoegd. We voeren nu een spatial join uit van de p5 gebieden met energielabels, en de punten van de blokverwarming. En we maken een kaart met kleurindex op basis van aantal panden met blokverwarming.

a=rep(99999,length(energielabels@polygons))
for ( i in 1:length(energielabels@polygons))
{
  a[i]=sum(point.in.polygon(blokverwarming_xy$x_blok,
                   blokverwarming_xy$y,
                   energielabels@polygons[[i]]@Polygons[[1]]@coords[,1],
                   energielabels@polygons[[i]]@Polygons[[1]]@coords[,2]))
  i=i+1
}
energielabels$N_blokverwarming<-a
tm_shape(energielabels) +
  tm_polygons("N_blokverwarming", style="jenks", alpha=.8, palette=colorRampPalette(c("lightyellow", "brown"))(10)) +
  tm_shape(blokverwarming_sp) +
  tm_dots(col="blue",size=0.01) +
  tm_scale_bar()

Laten we ze naast elkaar plotten om ze te vergelijken.

tmap_mode("plot")
plot1 <- tm_shape(energielabels) +
  tm_polygons("MEAN_label", style="jenks", alpha=.8, palette=colorRampPalette(c("green", "red"))(5))+
  tm_compass(type="arrow", position=c("right", "top"), fontsize = 2 ) +
  tm_scale_bar()
plot2 <- tm_shape(energielabels) +
  tm_polygons("N_blokverwarming", style="jenks", alpha=.8, palette=colorRampPalette(c("lightyellow", "brown"))(10)) +
  tm_compass(type="arrow", position=c("right", "top"), fontsize = 2 ) +
  tm_scale_bar()
require(grid)
grid.newpage()
pushViewport(viewport(layout=grid.layout(1,2)))
print(plot1, vp=viewport(layout.pos.col = 1))
print(plot2, vp=viewport(layout.pos.col = 2))

Het lijkt niet gecorreleerd te zijn, maar we testen het lekker toch. Eerst kijken we of energielabel normaal verdeeld is. Helaas is dat niet zo, ook niet na een logtransformatie.

hist(energielabels$MEAN_label)

hist(log10(energielabels$MEAN_label))

## Raster Satelliet Data Op de website van de VU (“http://geoplaza.vu.nl/data/dataset/topraster”) heb ik een raster kaart gevonden (.tif). Helaas lukt het niet om deze vanuit R te downloaden, maar de file staat in de github. Het gaat om topografische rasterdata. Dit houdt in dat elk vierkantje (raster) een kleur heeft gekregen voor een bepaald soort bodemgebruik. Deze kleur bestaat uit drie waarden (RGB). Het gaat hier dus om een 3 layer .tif. We lezen de drie lagen apart in, en plotten ze. Als je R zelf de kleuren laat kiezen krijg je bij elke laag dezelfde, ‘groenig’.

require(raster)
r1 = raster("Top_250_raster_(2009)-1516618615.tif", band = 1)
r2 = raster("Top_250_raster_(2009)-1516618615.tif", band = 2)
r3 = raster("Top_250_raster_(2009)-1516618615.tif", band = 3)
plot(r1); plot(r2); plot(r3)

Eigenlijk hebben we daar niet zoveel aan. We willen de drie lagen natuurlijk over elkaar bekijken. Met het stack() commando kunnen we drie lagen in één keer inlezen. Met plotRGB() kunnen we de drie lagen over elkaar heen plotten, en krijgen we de keuren te zien zoals ze bedoeld zijn.

r=stack("Top_250_raster_(2009)-1516618615.tif")
plotRGB(r)

Voor de grap kunnen we ook een spatialJoin doen, bijvoorbeeld de gemiddelde waardes (RGB) per stadsdeel berekenen. Gewoon puur om te laten zien dat het kan, want een dergelijke join geeft natuurlijk helemaal geen informatie. (Pas op, duurt lang om dit chunk te runnen…)

# met extract kunnen we per polygon een functie toepassen. bijvoorbeeld mean.
v1 <- extract(r1, energielabels, fun = mean)
v2 <- extract(r2, energielabels, fun = mean)
v3 <- extract(r3, energielabels, fun = mean)
v1 <- round(v1,0)
v2 <- round(v2,0)
v3 <- round(v3,0)
output = data.frame(cbind(v1,v2,v3))
names(output) = c("R","G","B")
print(output)
##       R   G   B
## 1   122  70  66
## 2   114  83  85
## 3   188 127  25
## 4   146  80  70
## 5   118  89 104
## 6   242 159  51
## 7   181 135 107
## 8   142 117   8
## 9   188 146   9
## 10  121 155 128
## 11  205 152  28
## 12  164 162 110
## 13   72 181 226
## 14  210 165  67
## 15  137 150 147
## 16  210 170   8
## 17  171 135   8
## 18   94  76   8
## 19  148 131  64
## 20  164 111  34
## 21  220 164  32
## 22  234 164 185
## 23  116  88  79
## 24   85  34  94
## 25  101 158 171
## 26  122 130 152
## 27  154 137 122
## 28  167 125  97
## 29  218 184   7
## 30  225 181  15
## 31  244 188  19
## 32  231 144  48
## 33  242 144  59
## 34  240 182  26
## 35  244 196  19
## 36  243 165  43
## 37  155 143  64
## 38  240 154  81
## 39  182 168  97
## 40  100 106 102
## 41  185  19  94
## 42  179  53  72
## 43  221 126  44
## 44  199 145  22
## 45  232 191   9
## 46  128 143 121
## 47  175 169  66
## 48  106 136  27
## 49  162 158  11
## 50  220 185  11
## 51  203 191  44
## 52  220 135  52
## 53  236 156  54
## 54  191 147  29
## 55  220 181   8
## 56  201 187  42
## 57  180 167  56
## 58  226 188   7
## 59  209 176   7
## 60  172 161  38
## 61  222 198  34
## 62  229 199  26
## 63  248 202   8
## 64  248 203   8
## 65  129 182 114
## 66  202 186  43
## 67  243 201  13
## 68  206 193  47
## 69  181 166  19
## 70  160 166  44
## 71  184 174  36
## 72  204 169   8
## 73  184 157  10
## 74  190 152   7
## 75  231 187   8
## 76  187 173  47
## 77  185 148   8
## 78  145 144  68
## 79  224 183  13
## 80  205 161   8
## 81  181 141   9
## 82  179 157   6
## 83  238 191   8
## 84  147 157  72
## 85  156 184  95
## 86  167 157  41
## 87  218 169   8
## 88  162 148  41
## 89  244 195   8
## 90  173 169  60
## 91  205 172  25
## 92  204 157   8
## 93  183 171  43
## 94  225 191  22
## 95  240 193   8
## 96  242 196   8
## 97  231 183   8
## 98  205 166  12
## 99  131 142 107
## 100  77 170 165
## 101  73 169 171
## 102 219 183   7
## 103 184 153   8
## 104 162 158  46
## 105 198 161  21
## 106 217 194  33
## 107 199 192  53
## 108 190 160  16
## 109 143 128  35
## 110 248 208   8
## 111 145 112   8
## 112 248 202   8
## 113 248 202   8
## 114 248 203   8
## 115 242 198   8
## 116 222 197  35
## 117 182 163  80
## 118 244 199   8
## 119 248 202   8
## 120 189 168   6
## 121 166 186  85
## 122 199 163   8
## 123 105  86   8
## 124 136 145  58
## 125 165 129  41
## 126 176 150  20
## 127 130 108   8
## 128 209 195  49
## 129 196 172   9
## 130 248 202   8
## 131 194 160   8
## 132 125 158  91
## 133 247 202   9
## 134 190 192  67
## 135 112 175 132
## 136 245 201  12
## 137 245 202  13
## 138 248 203   8
## 139 229 196  22
## 140 248 200   8
## 141 175 135   8
## 142 177 176  44
## 143 152 169  87
## 144 248 203   8
## 145 218 153  32
## 146 189 113  32
## 147 180 140  24
## 148 193 163   8
## 149 227  29 117
## 150 248 203   8
## 151 204 169   8
## 152 219 132  41
## 153 245 182  29
## 154 199 162  70
## 155 214 175  10
## 156 210 176  21
## 157 204 169  13
## 158 174 146  17
## 159 226 187   8
## 160 183 149   8
## 161 193 157   8
## 162 167 134   8
## 163 216 177   8
## 164 198 150   8
## 165 170 152  29
## 166 170 151  39
## 167 193 158  21
## 168 243 197   8
## 169 202 167   8
## 170 195 150   8
## 171 157 128   8
## 172 183 160  24
## 173 224 184  10
## 174  90  73  12
## 175 212 194  44
## 176 160 169  60
## 177 194 158   8
## 178 184 178  41
## 179 192 187  64
## 180 221 190  23
## 181 120 151  86
## 182 241 185  21
## 183 247 193  17
## 184 193 169   6
## 185 169 146   7
## 186 227 183  10
## 187 220 168  23
## 188 183  75  55
## 189 187  11  95
## 190 173  40  70
## 191 191 169   6
## 192 203 182   5
## 193 219 137  33
## 194 215 154  21
## 195 214 187   6
## 196 215 183   7
## 197 203 167   8
## 198 233 193   8
## 199 226 155  26
## 200 189  72  59
## 201 246 184  28
## 202 248 202   8
## 203 237 182  20
## 204 228 170  25
## 205 182  30  84
## 206 183  18  89
## 207 194  44  81
## 208 202  76  63
## 209 210  95  54
## 210 215 185  27
## 211 248 202   9
## 212 136 140  54
## 213 204 119  36
## 214 248 204   8
## 215 248 203   8
## 216 248 203   8
## 217 182 122  27
## 218 222 185   7
## 219 213 178   7
## 220 210 187   4
## 221 248 201   8
## 222 204 176   6
## 223 247 201   8
## 224 248 200   8
## 225 206 168   8
## 226 157  87  34
## 227 216 178   8
## 228 248 202   8
## 229 248 202   8
## 230 248 203   8
## 231 248 203   8
## 232 248 203   8
## 233 248 202   8
## 234 233 198  18
## 235 225 194  24
## 236 160 130   8
## 237 218 177   8
## 238 248 200   8
## 239 248 202   8
## 240 248 203   8
## 241 248 202   8
## 242 248 202   8
## 243 184 190  68
## 244 248 203   8
## 245 231 199  24
## 246 248 202   8
## 247 248 203   8
## 248 215 176   8
## 249 217 178   8
## 250 248 203   8
## 251 248 202   8
## 252 224 186  16
## 253 248 203   8
## 254 239 199  14
## 255 248 203   8
## 256 135  86 100
## 257 248 200   8
## 258 168  98  32
## 259 248 202   8
## 260 248 203   8
## 261 222 176  13
## 262 248 202   8
## 263 200 148   8
## 264 192 137   8
## 265 248 203   8
## 266 248 202   8
## 267 175 144   8
## 268 193 163  54
## 269 174  97  21
## 270 217 160  26
## 271 214  98  66
## 272 245 200   8
## 273 247 202   8
## 274 186 111  67
## 275 178 141   9
## 276 248 200   8
## 277 148 122   8
## 278 170 135  19
## 279 122 107  32
## 280 199  12 100
## 281 224 165  20
## 282 241 150  43
## 283 175 149   8
## 284 237 193   8
## 285 170 113  23
## 286 182  57  64
## 287 195  10 100
## 288 182  65  59
## 289 233 188  10
## 290 217 178   8
## 291 186 155   8
## 292 178 170   7
## 293 139 156   8
## 294 203 167  14
## 295 251 234   2
## 296 225 184   8
## 297 221 167  18
## 298 204 150  17
## 299 184 160   6
## 300 200 172   6
## 301 147 161  33
## 302 175 103  32
## 303 215 188   6
## 304 217 177  11
## 305 242 198   8
## 306 248 202   8
## 307 216 182   7
## 308 243 154  56
## 309 222 185   7
## 310 248 203   8
## 311 211 173   8
## 312 212 172   9
## 313 215 160  19
## 314 229 187   8
## 315 172 149   7
## 316 217 185   6
## 317 213 178   7
## 318 225 163  28
## 319 247 202   8
## 320 224 171  15
## 321 248 202   8
## 322 248 202   8
## 323 173  44  67
## 324 215 154  29
## 325 212 179   7
## 326 196  29  89
## 327 192 140  48
## 328 202 155 113
## 329 164  94 146
## 330 199 123  33
## 331 215 175   8
## 332 246 196  21
## 333 159  21  90
## 334 248 203   8
## 335 248 203   8
## 336 234 199  21
## 337 105  66  94
## 338 198 107  63
## 339 248 203   8
## 340 217 185   7
## 341 248 203   8
## 342 248 202   8
## 343 243 202  12
## 344 183 131   8
## 345 236 191   8
## 346 239 196   8
## 347 223 184  18
## 348 248 203   8
## 349 248 202   8
## 350 248 203   8
## 351 247 198  12
## 352 184 127 128
## 353 165 151  99
## 354 199 193 141
## 355 183 142  57
## 356 241 159  51
## 357 242 199   8
## 358 248 203   8
## 359 224 176   8
## 360 185 136   8
## 361 239 189   8
## 362 214 180   7
## 363 234 185   8
## 364 231 181  13
## 365 248 203   8
## 366 239 196   8
## 367 181  38  93
## 368 248 203   8
## 369 248 203   8
## 370 248 203   8
## 371 221 195   5
## 372 204 187   3
## 373 248 202   8
## 374 248 203   8
## 375 248 203   8
## 376 248 203   8
## 377 245 200   8
## 378 247 202   8
## 379 191 132   8
## 380 204 182   5
## 381 189 136   8
## 382 248 202   8
## 383 229 187   8
## 384 248 203   8
## 385 159 135   8
## 386 204 174   7
## 387 183 161   6
## 388 149 175  78
## 389 247 201  11
## 390 188 170  21
## 391 248 203   8
## 392 233 193   8
## 393 248 202   8
## 394 198 105  41
## 395 202 172   7
## 396 204 173   7
## 397 204 171   8
## 398 218 191   5
## 399 231 193   7
## 400 240 196   8
## 401 195 185  47
## 402 210 189  72
## 403 226 182   8
## 404 225 181   8
## 405 121  99   8
## 406 212 194 182
## 407 224 184   8
## 408 232 190  18
## 409 222 185  25
## 410 244 199   8
## 411 202 175  32
## 412 200 174  20
## 413 203 166   8
## 414 178 177  51
## 415 210 177  11
## 416 210 177   9
## 417 163 157  39
## 418 183 165  46
## 419 178 152  29
## 420 165 144  10
## 421 157  23  71
## 422 233 191   8
## 423 248 203   8
## 424 225 170  16
## 425 248 203   8
## 426 248 203   8
## 427 248 203   8
## 428 248 202   8
## 429 248 202   8
## 430 227 191   7
## 431 248 202   8
## 432 248 202   8
## 433 248 203   8
## 434 248 202   8
## 435 248 203   8
## 436 219 184   7
## 437 248 203   8
## 438 248 203   8
## 439 233 192   8
## 440 197 106  84
## 441 230 193  29
## 442 224 198  32
## 443 246 183  22
## 444 238 197  11
## 445 126 168 104
## 446 248 203   8
## 447 220 190  40
## 448 243 199   8
## 449 248 202   8
## 450 227 192   7
## 451 222 186   7
## 452 248 203   8
## 453 246 202  11
## 454 200 172   7
## 455 235 200  21
## 456 248 203   8
## 457 245 199   8
## 458 199 173   6
## 459 226 189   7
## 460 196 152 140
## 461 241 197   8
## 462 248 202   8
## 463 204 203 188
## 464 165 169 139
## 465 189 153  42
## 466 160  21  95
## 467 248 204  10
## 468 214 183  53
## 469 174 189  83
## 470 230 193 135
## 471 224 215 194
## 472 177 189  78
## 473 201  11 103
## 474 208 199 178
## 475 200 120  36
## 476 237 193   8
## 477 162  31  77
## 478 229 215 180
## 479 159 164 103
## 480 224 206  84
## 481 188 116  64
## 482  53  26  11
## 483 187 161   6
## 484 213 194   4
## 485 247 202   8
## 486 212 173   8
## 487 248 203   8
## 488 200 170   7
## 489 216 178   8
## 490 244 200   8
## 491 245 200   8
## 492 157 125  24
## 493 212 219 102
## 494 245 200   8
## 495 225 186   8
## 496 215 197   3
## 497 233 191   8
## 498 183 152   8
## 499 212 177   7
## 500 225 185   8
## 501 199 165   8
## 502 248 203   8
## 503 218 183   7
## 504 174 100  27
## 505 241 198   8
## 506 186 146   9
## 507 223 191   6
## 508 248 202   8
## 509 239 195   8
## 510 190 156   8
## 511 248 203   8
## 512 228 193   9
## 513 236 196  10
## 514 248 203   8
## 515 207 195  49
## 516 222 185   7
## 517 236 193   8
## 518 248 202   8
## 519 243 199  10
## 520 248 203   8
## 521 248 202   8
## 522 248 203   8
## 523 248 203   8
## 524 244 200   8
## 525 248 203   8
## 526 230 188   8
## 527 212 195   4
## 528 203 184  15
## 529 192 166   6
## 530 214 194   4
## 531 186 178  50
## 532 196 192  59
## 533 153 164  67
## 534 246 202  10
## 535 248 203   8
## 536 248 203   8
## 537 248 202   8
## 538 248 203   8
## 539 235 200  21
## 540 215 190  10
## 541 248 202   8
## 542 181 157   7
## 543 205 177   6
## 544 188 169   7
## 545 156 131   8
## 546 235 192   8
## 547 234 193  10
## 548 248 202   8
## 549 248 202   8
## 550 248 203   8
## 551 248 203   8
## 552 248 203   8
## 553 248 203   8
## 554 248 203   8
## 555 248 202   8
## 556 210 172   8
## 557 235 194   8
## 558 228 150  30
## 559 222 142  32
## 560 196  64  66
## 561 175  38  70
## 562 175   8  92
## 563 176 116  26
## 564 222 177   9
## 565 217 179  16
## 566 247 202   8
## 567 226 185   8
## 568 237 193   8
## 569 248 202   8
## 570 240 196   8
## 571 246 201   8
## 572 230 186   9
## 573 248 203   8
## 574 232 190   8
## 575 199 145  12
## 576 209 178   7
## 577 248 202   8
## 578 214 201  83
## 579 204 134  28
## 580 183 133  18
## 581 202 187  51
## 582 160 154  11
## 583 144 174  22
## 584 154 128  92
## 585 229 181   8
## 586 180  47  66
## 587 183 104  35
## 588 188 102  37
## 589 178 119  21
## 590 211 168  11
## 591 206 168   8
## 592 248 203   8
## 593 244 199   8
## 594 217 176   8
## 595 218 170   8
## 596 232 190   8
## 597 209 220 113
## 598 201 161   8
## 599 148 182 104
## 600 170 168  21
## 601 166 172  68
## 602 184 164   6
## 603 176 153   8
## 604 222 183   8
## 605 216 173   8
## 606 222 187   7
## 607 196 168   8
## 608 206 176   6
## 609 184 140   8
## 610 191 154   8
## 611 202 185   4
## 612 218 182   7
## 613 216 184   7
## 614 238 195   8
## 615 248 202   8
## 616 218 182   8
## 617 222 181   8
## 618 248 203   8
## 619 248 203   8
## 620 248 203   8
## 621 248 202   8
## 622 248 202   8
## 623 182 149   8
## 624 224 184   8
## 625 224 188   7
## 626 248 202   8
## 627 213 185   6
## 628 248 202   8
## 629 248 205   8
## 630 245 200  11
## 631 174 145   8
## 632 242 198   8
## 633 232 189   8
## 634 248 200   8
## 635 236 193   8
## 636 227 189   8
## 637 205 174   7
## 638 175 149   7
## 639 248 202   8
## 640 248 204   8
## 641 248 203   8
## 642 245 201  12
## 643 212 182   6
## 644 248 203   8
## 645 248 202   8
## 646 134 167  89
## 647 212 171   8
## 648 177 189  82
## 649  72 165 158
## 650 199 194  55
## 651 204 176  17
## 652 168 152  15
## 653 187 160   7
## 654 248 202   8
## 655 217 195  39
## 656 248 202   8
## 657 248 203   8
## 658 248 202   8
## 659 210 180   9
## 660 217 178   8
## 661 215 174   8
## 662 248 202   8
## 663 165 133   8
## 664 183 147   8
## 665 164 134   8
## 666 198 167  22
## 667 206 123  36
## 668 248 203   8
## 669 210   9 107
## 670 183 149   8
## 671 232 189   8
## 672 248 203   8
## 673 248 202   8
## 674 248 203   8
## 675 245 199   8
## 676 216 177   8
## 677 248 203   8
## 678 248 203   8
## 679 192 158   8
## 680 248 202   8
## 681 203 167   8
## 682 185 126   8
## 683 177 121   8
## 684 206 175  25
## 685 172 157  54
## 686 234 226 118
## 687 235 191   8
## 688 209 176   7
## 689 206 198  82
## 690 177 138   7
## 691 221 197  57
## 692 238 194   8
## 693 237 194   8
## 694 248 202   8
## 695 193 127   8
## 696 204 193  83
## 697 210 187  36
## 698 168 137  10
## 699 214 172   8
## 700 242 197   8
## 701 146 156  33
## 702 237 200  19
## 703 248 203   8
## 704 223 169   8
## 705 190 109   9
## 706 122 102   8
## 707 137 116  33
## 708 248 202   8
## 709 205 170   8
## 710 245 201   8
## 711 248 203   8
## 712 165 131  28
## 713 227 178   8
## 714 248 203   8
## 715 208 154   8
## 716 240 193  10
## 717 226 180   8
## 718 200 173   9
## 719 147 140  18
## 720 248 200   8
## 721 248 203   8
## 722 248 202   8
## 723 236 193  10
## 724 199  90  54
## 725 222 166   8
## 726 248 202   8
## 727 237 193   8
## 728 181 114   8
## 729 199 155   8
## 730 207 160   8
## 731 248 203   8
## 732 218 190  42
## 733 120 155 112
## 734 199 162   8
## 735 143 116   8
## 736 172 126   9
## 737 197 139   9
## 738 214 173   8
## 739 248 203   8
## 740 248 202   8
## 741 155 164  10
## 742 176 179  38
## 743 200 169   7
## 744 233 190   8
## 745 224 180   8
## 746 198 147   8
## 747 221 134   8
## 748 192 180  62
## 749 212 191 100
## 750 209 164   8
## 751 242 198   8
## 752 193 143   8
## 753 244 196   8
## 754 248 202   8
## 755 248 248 235
## 756 248 202   8
## 757 201 202  93
## 758 226 174   8
## 759 246 201   8
## 760 221 170   8
## 761 244 200   8
## 762 172 118  38
## 763 240 197   8
## 764 248 203   8
## 765 214 174   8
## 766 248 200   8
## 767 174 120  21
## 768 165 155 110
## 769 213 168   8
## 770 138 128 106
## 771 228 191   7
## 772 248 202   8
## 773 248 202   8
## 774 114 113 108
## 775 231 189   8
## 776 222 169   8
## 777 248 203   8
## 778 189 143   7
## 779 190 172   5
## 780 248 203   8
## 781 248 203   8
## 782 137 112  10
## 783 226 199  31
## 784  85 178 170
## 785  93 178 178
## 786 197 177  25
## 787 113 177 132
## 788 105  87   8
## 789 209 176   7
## 790 155 185  97
## 791 194 163   7
## 792 222 198  36
## 793 162 187  95
## 794 113 177 138
## 795 248 200   8
## 796  61 170 199
## 797  81 186 232
## 798 145 152  66
## 799 147 155  70
## 800 205 153  12
## 801 125 153  17
## 802 124  82  20
## 803 136  95  43
## 804 154 124 102
## 805 148  93  70
## 806 179  77  50
## 807  34 162 206
## 808 171 182  67
## 809 110 176 136
## 810 201 190  50
## 811 212 174  27
## 812 113  92   8
## 813 223 173  13
## 814  90  74   8
## 815 128 157 134
## 816 146  14  73
## 817 228 166  23
## 818 208 107  51
## 819 184 115  28
## 820 144  65  62
## 821 204 118  38
## 822 248 203   8
## 823 248 203   8
## 824 222 177   8
## 825 220 156  18
## 826 153   8  76
## 827 243 153  42
## 828 221 191  84
## 829 215 186  67
## 830 160 157  10
## 831 246 202   8
## 832 218 206 147
## 833 184 113  60
## 834 182 203 109
## 835 193 186  71
## 836 169 168  29
## 837 248 203   8
## 838 156 128  34
## 839 185 126  23
## 840 183 106  35
## 841 239 195   8
## 842 190 105  38
## 843 212 144  22
## 844 154 103   9

R print de waarschuwing: “Transforming SpatialPolygons to the CRS of the Raster”. R heeft namelijk gezien dat de CRS/proj4string van beide objecten anders is. Een raster is erg lastig van projectie te veranderen, daarom veranderd R de projectie van de polygons. Het restullaat is zoals verwacht tamelijk nietszeggend. Al lijkt het nog enigszins op het originele raster.

energielabels@data <- cbind(energielabels@data,output)
plot(energielabels,col=rgb(energielabels@data$R,energielabels@data$G,energielabels@data$B,maxColorValue = 255))